注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. python简单神经网络

  2. 根据慕课网“机器学习-实现简单神经网络”编写的python代码，实验环境为anaconda python3.6，感知器算法进行分类，数据为网上的花瓣数据，100个样本

  3. 所属分类：Python

    • 发布日期：2017-09-18
    • 文件大小：7168
    • 提供者：u014220146

  1. 十分简单的单隐层BP神经网络python实现

  2. 十分简单的单隐层BP神经网络python实现，运用了冲量项加快收敛，除此之外没有任何框架和复杂的函数，帮助初学者快速理解反向误差传播的含义

  3. 所属分类：机器学习

    • 发布日期：2018-06-02
    • 文件大小：1024
    • 提供者：qq_17792453

  1. 神经网络算法的Python代码

  2. 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

  3. 所属分类：深度学习

    • 发布日期：2018-07-23
    • 文件大小：3072
    • 提供者：qq_42617330

  1. Python编程实现的简单神经网络算法示例

  2. 主要介绍了Python编程实现的简单神经网络算法,结合实例形式分析了神经网络算法的原理及Python相关算法实现技巧,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：116736
    • 提供者：weixin_38693528

  1. python实现简单神经网络算法

  2. 主要为大家详细介绍了python实现简单神经网络算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：67584
    • 提供者：weixin_38624628

  1. 神经网络(BP)算法Python实现及应用

  2. 主要为大家详细介绍了Python实现神经网络(BP)算法及简单应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：89088
    • 提供者：weixin_38538264

  1. Python实现简单多线程任务队列

  2. 最近我在用梯度下降算法绘制神经网络的数据时，遇到了一些算法性能的问题。梯度下降算法的代码如下（伪代码）： def gradient_descent(): # the gradient descent code plotly.write(X, Y) 一般来说，当网络请求 plot.ly 绘图时会阻塞等待返回，于是也会影响到其他的梯度下降函数的执行速度。 一种解决办法是每调用一次 plotly.write 函数就开启一个新的线程，但是这种方法感觉不是很好。 我不想用一个像 cerely（

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：58368
    • 提供者：weixin_38514660

  1. Python编程实现的简单神经网络算法示例

  2. 本文实例讲述了Python编程实现的简单神经网络算法。分享给大家供大家参考，具体如下： python实现二层神经网络 包括输入层和输出层 # -*- coding:utf-8 -*- #! python2 import numpy as np #sigmoid function def nonlin(x, deriv = False): if(deriv == True): return x*(1-x) return 1/(1+np.exp(-x)) #input dataset x

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：120832
    • 提供者：weixin_38630463

  1. python实现简单神经网络算法

  2. python实现简单神经网络算法，供大家参考，具体内容如下 python实现二层神经网络 包括输入层和输出层 import numpy as np #sigmoid function def nonlin(x, deriv = False): if(deriv == True): return x*(1-x) return 1/(1+np.exp(-x)) #input dataset x = np.array([[0,0,1], [0,1,1],

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：66560
    • 提供者：weixin_38514526

  1. 利用Pytorch实现简单的线性回归算法

  2. 最近听了张江老师的深度学习课程，用Pytorch实现神经网络预测，之前做Titanic生存率预测的时候稍微了解过Tensorflow，听说Tensorflow能做的Pyorch都可以做，而且更方便快捷，自己尝试了一下代码的逻辑确实比较简单。 Pytorch涉及的基本数据类型是tensor（张量）和Autograd（自动微分变量），对于这些概念我也是一知半解，tensor和向量，矩阵等概念都有交叉的部分，下次有时间好好补一下数学的基础知识，不过现阶段的任务主要是应用，学习掌握思维和方法即可，就不再

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：109568
    • 提供者：weixin_38708707

  1. 手推BP算法及python实现

  2. 画图和编辑公式实在是太麻烦了，我就写在纸上吧 一、BP推导 一个简单的神经网络： 正向传播： 1.输入层—->隐含层： 这里我们要把得到的值通过sigmoid激活一下： 2.隐含层—->输出层：同理 这样我们就得到了输出值out(o1)和out(o2)，此时这两个输出值和我们预想的输出值肯定相差甚远（可以自己设定几个数试一试）那么我们就要进行反向传播来修正w以此来修正输出值。 反向传播： 1.我们所期望的数据和输出数据的误差： 2.隐含层—->输出层的权值更新： 以w

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38522253

  1. 第四章神经网络的学习算法——随机梯度下降numpy代码详解

  2. 本专栏是书《深度学习入门》的阅读笔记一共八章： 第一章深度学习中的Python基础。主要讲解了深度学习将要用到的python的基础知识以及简单介绍了numpy库和matpoltlib库，本书编写深度学习神经网络代码仅使用Python和numpy库，不使用目前流行的各种深度学习框架，适合入门新手学习理论知识。 第二章感知机。主要介绍了神经网络和深度学习的基本单元感知机。感知机接收多个输入，产生一个输出，单层感知器可以实现与门，或门以及与非门，但是不能实现异或门，异或门的实现需要借助多层感知机，这也

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：96256
    • 提供者：weixin_38616809

  1. SNAG:CIKM-CSSA 2020论文SNAG的源代码“图形神经网络的简化神经体系结构搜索”-Search source code

  2. 简化图神经网络的架构搜索 概述 这是我们在CSSA-CIKM 2020中发布的论文《的代码。这是用于图神经网络（GNN）的神经体系结构搜索（NAS）。 为了获得最佳的数据特定的GNN架构，我们提出了SNAG框架，该框架由一个更简单但更具表现力的搜索空间和一个基于RL的搜索算法组成。 该框架是在和的基础上实现的。 与GraphNAS的主要区别是： 1. We provide the implementation of weight sharing strategy. 2. The finetu

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：90112
    • 提供者：weixin_42168230

  1. 整洁的python：NEAT神经进化算法的Python实现-源码

  2. 状态说明 该项目当前处于仅维护模式。 如果有时间，我将修复错误，进行清理，并可能改善示例代码，但我不会添加任何新功能。 和已经扩展到此实现之外，因此，如果您需要的功能比此处看到的功能更多，则这些起点可能是更好的起点。 关于 NEAT（增强拓扑的神经进化）是由Kenneth O. Stanley开发的一种用于演化任意神经网络的方法。 该项目是NEAT的纯Python实现，除了标准库外没有任何依赖项。 它来自MattKallada的出色项目，目前正在更新中，以提供更多功能和（希望）更简单且文档化的A

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：424960
    • 提供者：weixin_42131439

  1. 用Python实现机器学习算法——简单的神经网络

  2. 本文来自于网络，文章详细介绍了使用Python实现机器学习算法的损失函数、反向传播过程等相关知识。在这一章节里，我们将实现一个简单的神经网络架构，将2维的输入向量映射成二进制输出值。我们的神经网络有2个输入神经元，含6个隐藏神经元隐藏层及1个输出神经元。我们将通过层之间的权重矩阵来表示神经网络结构。在下面的例子中，输入层和隐藏层之间的权重矩阵将被表示为W，隐藏层和输出层之间的权重矩阵为W。除了连接神经元的权重向量外，每个隐藏和输出的神经元都会有一个大小为1的偏置量。我们的训练集由m=750个样本

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：203776
    • 提供者：weixin_38669674

  1. 卷积神经网络

  2. 本文来自于ibm，文章介绍了卷积网络的工作原理以及如何使用Python实现一个对手写数字进行分类的简单网络。在日常生活中的某一刻，您可能见过目标识别算法的某种实际应用，例如您手机摄像头上的人脸检测。不过，它的工作原理是什么？这些计算机视觉解决方案的核心是卷积神经网络(CNN)。简单来讲，这些网络是特别善于根据不太复杂的特征构建复杂特征的神经网络。一个经典的例子就是人脸检测器，早期各层负责辨别出垂直和水平线，后面的阶段负责找到鼻子和嘴巴。本文将解释这些卷积网络的工作原理。还将展示如何使用Pytho

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：744448
    • 提供者：weixin_38659805

  1. Neural_Network：使用Python实现简单的前馈神经网络算法-源码

  2. 使用Python实现简单的前馈神经网络算法。 工作正在进行中。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：28672
    • 提供者：weixin_42117340

  1. 用Python实现机器学习算法——简单的神经网络

  2. 本文来自于网络，文章详细介绍了使用Python实现机器学习算法的损失函数、反向传播过程等相关知识。在这一章节里，我们将实现一个简单的神经网络架构，将2维的输入向量映射成二进制输出值。我们的神经网络有 2个输入神经元，含6个隐藏神经元隐藏层及1个输出神经元。我们将通过层之间的权重矩阵来表示神经网络结构。在下面的例子中，输入层和隐藏层之间的权重矩阵将被表示为W，隐藏层和输出层之间的权重矩阵为W。除了连接神经元的权重向量外，每个隐藏和输出的神经元都会有一个大小为 1

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：194560
    • 提供者：weixin_38703968

  1. 卷积神经网络

  2. 本文来自于ibm，文章介绍了卷积网络的工作原理以及如何使用 Python实现一个对手写数字进行分类的简单网络。在日常生活中的某一刻，您可能见过目标识别算法的某种实际应用，例如您手机摄像头上的人脸检测。不过，它的工作原理是什么？这些计算机视觉解决方案的核心是卷积神经网络 (CNN)。简单来讲，这些网络是特别善于根据不太复杂的特征构建复杂特征的神经网络。一个经典的例子就是人脸检测器，早期各层负责辨别出垂直和水平线，后面的阶段负责找到鼻子和嘴巴。本文将解释

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：736256
    • 提供者：weixin_38626858

  1. 神经网络(BP)算法Python实现及应用

  2. 本文实例为大家分享了Python实现神经网络算法及应用的具体代码，供大家参考，具体内容如下 首先用Python实现简单地神经网络算法： import numpy as np # 定义tanh函数 def tanh(x): return np.tanh(x) # tanh函数的导数 def tan_deriv(x): return 1.0 - np.tanh(x) * np.tan(x) # sigmoid函数 def logistic(x): return 1 / (1 + np.

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：91136
    • 提供者：weixin_38748207
« 12 3 »